AI导哈

MCP服务器工具

一个基于Python的MCP服务器，提供工具调用、资源访问和提示生成功能，适用于多代理系统开发。

  • by Blaqboxx
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Blaqboxx/V.A.L-MCP-server

使用说明

V.A.L MCP服务器

使用官方最小Python MCP服务器 mcp SDK。

特性

  • 主控程序 tool: ping
  • 主控程序 tool: add(a, b)
  • 主控程序 resource: server://info
  • 主控程序 prompt: summarize(topic, audience)
  • 基于YAML的环境配置(config/development.yaml, config/production.yaml)

当前实施状态

现已实施：

  • python main.py 入口点包装器 src/val_mcp_server/server.py
  • MCP服务器 stdio/sse 运输选择
  • 工具： ping
  • 工具： add(a, b)
  • 资源： server://info
  • 提示： summarize(topic, audience)
  • 配置加载和合并默认值

已计划（记录如下，尚未实施）：

  • REST API端点(/health, /metrics, /agents等等）
  • 代理注册表内部
  • 沙盒和状态管理器运行时服务
  • 可观察性端点和跟踪管道

API计划终点

以下端点是目标设计，当前在此存储库中未处于活动状态。

端点 方法 描述
/health GET 健康检查
/metrics GET 普罗米修斯指标
/agents GET 列出代理
/agents/register POST 注册新代理
/agents/{id} GET 获取代理信息
/agents/{id}/unregister POST 注销代理
/messages/send POST 发送消息
/messages/batch POST 发送批处理消息
/state/{key} GET/POST/DELETE 状态操作
/sandbox/execute POST 在沙盒中执行

组件详细信息（计划设计）

1.代理人登记处

目的：系统中所有代理的中心目录。

主要特点:

  • 能力索引：O（1）能力查找的倒排索引
  • 状态跟踪：实时代理状态（空闲、繁忙、离线、错误）
  • 健康监测：具有自动清理功能的心跳跟踪
  • 负载平衡支持：路由决策的请求计数器

数据结构:

RegisteredAgent {
	agent_id: UUID
	config: AgentConfig
	status: Enum[IDLE, BUSY, OFFLINE, ERROR]
	capabilities: Set[String]
	metrics: {
		total_requests: int
		failed_requests: int
		success_rate: float
	}
	last_heartbeat: datetime
}

沙盒执行示例

result = await server.sandbox.execute(
	code="print('Hello from sandbox')",
	agent_id="agent-123",
	timeout=30
)
# Returns: stdout, stderr, exit_code, artifacts

状态管理示例

# Set state with TTL
await server.state_manager.set(
	key="session:123",
	value={"user": "alice", "data": [...]},
	namespace="sessions",
	ttl=3600  # 1 hour
)

# Subscribe to changes
await server.state_manager.subscribe(
	namespace="sessions",
	key_pattern="session:*",
	callback=on_session_change
)

运行时检查

下面的curl检查需要计划的RESTneneneba API层，并且当前不处于活动状态。

# Server health
curl http://localhost:8000/health

# Metrics
curl http://localhost:8000/metrics

# Agent status
curl http://localhost:8000/agents

调试和跟踪

Unix/macOS shell：

# Enable debug logging
PYTHONPATH=src MCP_LOG_LEVEL=DEBUG python -m val_mcp_server.server

# Enable tracing
PYTHONPATH=src MCP_ENABLE_TRACING=true python -m val_mcp_server.server

PowerShell：

# Enable debug logging
$env:PYTHONPATH = "src"; $env:MCP_LOG_LEVEL = "DEBUG"; python -m val_mcp_server.server

# Enable tracing
$env:PYTHONPATH = "src"; $env:MCP_ENABLE_TRACING = "true"; python -m val_mcp_server.server

设置

pip install -r requirements.txt

跑

运行开发服务器（启动MCP服务器并保持运行）：

python main.py

使用自定义配置运行：

python main.py --config config/production.yaml

可选的模拟运行（在不启动服务器的情况下验证配置）：

python main.py --dry-run
python main.py --config config/production.yaml --dry-run

明确覆盖传输：

python main.py --transport stdio

测试

pytest tests/ -v

客户端示例

python example_usage.py

示例客户端运行 main.py 在 --dry-run 验证有效配置输出的模式。

相关 MCP